Université Paris I

Magistère d’Economie – Deuxième année

SERIES CHRONOLOGIQUES
Quelques éléments du cours1
Année 2004-2005
Corinne Perraudin

Chapitre 1:
Les modèles ARMA stationnaires

Contents
1 Processus aléatoires stationnaires 4
1.1 Variables aléatoires réelles de carré intégrable . . . . . . . . . . . . . . . . 4
1.2 La stationnarité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

2 Autocorrélations simple et partielle 6

2.1 La fonction d’autocovariance et d’autocorrélation . . . . . . . . . . . . . . 6
2.2 La fonction d’autocorrélation partielle . . . . . . . . . . . . . . . . . . . . . 8

3 Représentation de Wold 10
3.1 Présentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.2 Prévision à partir de la représentation de Wold . . . . . . . . . . . . . . . . 12
3.3 Opérateur retard . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

4 Le spectre et la densité spectrale 13

5 Modèles ARMA et représentations canoniques 16

5.1 Processus MA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
5.1.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
5.1.2 Représentation stationnaire et causale . . . . . . . . . . . . . . . . 18
5.1.3 Représentation inversible . . . . . . . . . . . . . . . . . . . . . . . . 18
1
Pour toutes remarques, n’hésitez pas à me contacter : [Link]@[Link]

1
 5.2 Processus AR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
5.2.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
5.2.2 Représentation stationnaire . . . . . . . . . . . . . . . . . . . . . . 21
5.2.3 Représentation inversible . . . . . . . . . . . . . . . . . . . . . . . . 21
5.2.4 Représentation causale . . . . . . . . . . . . . . . . . . . . . . . . . 21
5.3 Processus ARMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
5.3.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
5.3.2 Propriété . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

6 Caractéristiques des processus ARMA: autocorrélation simple, partielle

et densité spectrale 24
6.1 Corrélogramme simple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
6.1.1 Cas de l’AR(p) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
6.1.2 Cas du MA(q) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
6.1.3 Cas de l’ARMA(p,q) . . . . . . . . . . . . . . . . . . . . . . . . . . 26
6.2 Corrélogramme partiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
6.2.1 Cas de l’AR(p) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
6.2.2 Cas du MA(q) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
6.2.3 Cas de l’ARMA(p,q) . . . . . . . . . . . . . . . . . . . . . . . . . . 28
6.3 L’autocorrélation inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
6.4 Tableau récapitulatif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
6.5 Densité spectrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

7 Identification, estimation, validation, prévision 29

7.1 Identification du processus ARMA . . . . . . . . . . . . . . . . . . . . . . 29
7.2 Estimation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
7.2.1 Maximum de vraisemblance . . . . . . . . . . . . . . . . . . . . . . 30
7.2.2 Estimation de Yule-Walker . . . . . . . . . . . . . . . . . . . . . . . 31
7.2.3 Estimation par l’algorithme de Durbin-Levinson . . . . . . . . . . . 31
7.2.4 Moindres carrés conditionnels . . . . . . . . . . . . . . . . . . . . . 32
7.3 Validation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
7.3.1 Tests sur les résidus . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
7.3.2 Tests sur les paramètres . . . . . . . . . . . . . . . . . . . . . . . . 34
7.3.3 Choix d’un modèle parmi plusieurs . . . . . . . . . . . . . . . . . . 34
7.4 Prévision . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
7.4.1 Calcul des prévisions optimales et mise à jour . . . . . . . . . . . . 34
7.4.2 Fonction de prévision . . . . . . . . . . . . . . . . . . . . . . . . . . 36

2
Introduction
Quand on cherche à modéliser une série temporelle, on a généralement recours à la
classe des modèles ARMA, qui permet de rendre compte d’un assez grand nombre de
cas économiques. Dans cette classe de modèle, on distingue :

p
• les modèles AR(p) : Yt = i=1 φi Yt−i + εt

q
• les modèles MA(q) : Yt = εt − i=1 θi εt−i

p
q
• les modèles ARMA(p,q) : Yt − i=1 φi Yt−i = εt − i=1 θi εt−i

où εt est un bruit blanc centré de variance σ 2 .

Depuis les travaux de Box et Jenkins en 1970 dans le cas univarié (Yt correspond à
une seule variable), la méthodologie utilisée pour modéliser une série économique repose
sur l’algorithme de Box et Jenkins, qui consiste à :

• Transformer la série Yt afin d’éliminer d’éventuelles non-stationnarités (tendance,

saisonnalité).2

• Identifier, sur la base des caractéristiques temporelles de la série étudiée, le modèle

ARMA pertinent : il s’agit de choisir un modèle dans la classe des modèles ARMA,
ainsi que de déterminer p et q, en comparant les caractéristiques temporelles de la
série observée avec les caractéristiques théoriques des modèles ARMA

• Estimer les paramètres φi , θi et σ 2

• Tester la validité et l’adéquation du modèle aux données

• Re-spécifier le modèle si besoin est et faire de la prévision

L’objectif de ce chapitre est de présenter précisément les modèles ARMA et leur car-
actéristiques, ainsi que la méthodologie adoptée pour spécifier ces modèles, cela dans
le cadre univarié. Nous supposerons que la série étudiée est stationnaire (ou qu’elle a
été rendue stationnaire). Dans le chapitre 2, nous étudierons comment détecter la non
stationnarité et comment transformer la série si elle n’est pas stationnaire.
2
Nous verrons cela dans le chapitre 2.

3
1 Processus aléatoires stationnaires
On utilise le terme de processus aléatoire pour décrire une variable dont le comportement
ne peut pas être exprimé entièrement par une relation déterministe.
Un processus aléatoire est une suite de variables aléatoires indexées dans le temps et
définies sur un espace des états de la nature. Ainsi, pour chaque instant du temps, la
valeur de la quantité étudiée Yt est appelée variable aléatoire et l’ensemble des valeurs
Yt quand t varie est appelé processus aléatoire.

L’indice t (t appartenant à un ensemble T ) s’interprète comme la date à laquelle est

faite l’observation ou comme la période sur laquelle elle porte. Les observations étant en
nombre fini, il pourrait paraı̂tre naturel de choisir pour T un ensemble fini. On préfère
cependant retenir T = N ou T = Z. Prolonger l’ensemble des indices vers +∞ permet en
effet de prendre en compte la possibilité d’observations nouvelles et d’étudier les propriétés
asymptotiques des diverses procédures statistiques. L’intérêt du prolongement vers −∞
est principalement mathématique : il permet en effet dans certains cas des écritures et
des résultats plus simples.
Une réalisation du processus décrit une histoire possible du processus. Il faut bien
remarquer qu’une série chronologique observée, comme par exemple la suite des valeurs
de l’indice des prix du pétrole entre 1970 et 1990, est relative à une réalisation et une seule
du processus. L’une des difficultés de l’étude des séries temporelles est de reconstituer,
au moins partiellement, la loi du processus à partir de l’observation d’une seule de ses
réalisations.

Pour que ceci soit possible, il faut bien entendu imposer certaines conditions sur la loi
de probabilité de Yt .

1.1 Variables aléatoires réelles de carré intégrable

On se placera dans l’ensemble L2 des variables aléatoires réelles (v.a.r.) admettant un
moment d’ordre 2 (E(Yt )2 < ∞) et où 2 variables X et Y sont considérées comme égales
si E[(X − Y )2 ] = 0.

L’ensemble L2 des v.a.r. de carré intégrable (E(Yt2 ) < +∞) est un espace vectoriel
normé sur R, la norme étant ||Y ||2 =< Y, Y >= [E(Y 2 )] et le produit scalaire est <
X, Y >= E(XY ).
On dit qu’il a une structure d’espace de Hilbert, généralisation en dimension infinie


de l’espace euclidien Rn muni du produit scalaire usuel < X, Y >= i xi yi .

Ainsi, pour deux v.a.r. X et Y de L2 , il est possible de calculer l’espérance de leur

4
produit E(XY ). X et Y sont dites orthogonales si et seulement si E(XY ) = 0

L’existence sur L2 d’une notion d’orthogonalité et d’une notion de convergence per-

met d’introduire la notion de projection orthogonale. Ainsi, on peut trouver un sous
espace fermé de variables de carré intégrable contenant toutes les combinaisons linéaires
de variables Yi de L2 .

On se restreindra dans la suite du cours aux variables de L2 . On parlera aussi de

processus du second ordre.

Les calculs des moyennes E(Yt ) = mt , des variances et des covariances ont alors un
sens. La loi d’un processus du 2nd ordre peut donc être partiellement résumée par :

• la suite des moyennes mt

• la suite des covariances temporelles (évolution moyenne, modification des disper-

sions, liaisons dans le temps)

Pour chaque instant du temps, Yt a une distribution de probabilité. Si on ne fait

aucune hypothèse particulière sur la nature du processus aléatoire, alors la fonction de
densité de probabilité de Yt dépend du temps. Ainsi, la moyenne et la variance varient
donc également : mt et σt2 sont des fonctions du temps. Il faudrait alors étudier la
distribution de probabilité de Yt pour chaque valeur de t sachant qu’on ne disposera (en
économie) que d’une seule observation de Yt .

On étudie donc une classe particulière de processus aléatoires appelés processus aléatoires
stationnaires. Ces processus sont caractérisés par le fait que leurs propriétés ne changent
pas au cours du temps.

1.2 La stationnarité
La stationnarité au sens strict

On dit que le processus Yt , t ∈ T est stationnaire au sens strict (ou fortement sta-
tionnaire) si la loi de {Yt1 , . . . , Ytn } est la même que la loi de {Yt1 +τ , . . . , Ytn +τ } pour tout
(t1 , t2 , . . . , tn ) avec ti ∈ T , pour i = 1, . . . , n et pour tout τ ∈ T avec ti+τ ∈ T .
Ainsi, un processus aléatoire est strictement stationnaire si toutes ces caractéristiques,
c’est-à-dire tous ces moments sont invariants pour tout changement de l’origine du temps.
Mais la stationnarité au sens strict est trop restrictive et on assouplit cette condition
en définissant la stationnarité du second ordre.

5
 La stationnarité du second ordre

Un processus Yt , t ∈ T est dit stationnaire du second ordre (ou faiblement stationnaire)

si Yt , t ∈ T est du 2nd ordre et si les deux premiers moments sont invariants dans le
temps :

• E(Yt ) = m =Cste ∀t ∈ T

• V ar(Yt ) = σ 2 = γ(0) < ∞

• Cov(Yt , Yt−h ) = E(Yt Yt−h ) − E(Yt )E(Yt−h ) = γ(h) ∀t ∈ T , ∀h ∈ T

En résumé, un processus Yt est dit stationnaire du second ordre si sa moyenne, sa

variance et sa covariance sont indépendantes du temps et si sa variance est finie. Un tel
processus est sans tendance en moyenne et sans tendance en variance.
Un tel processus admet donc une loi, qui pour ses deux premiers moments, est invari-
ante par changement de l’origine des temps. En particulier, les variables Yt ont une même
variance égale à γ(0) : propriété d’homoscédasticité.

L’exemple le plus connu de processus stationnaire est le processus bruit blanc (noté
BB, ou White noise). Un Bruit Blanc est une suite de v.a.r. εt , t ∈ T telle que :

E(εt ) = 0 ∀t ∈ T

σ2 h = 0
γ(h) = E(εt εt−h ) =
0 h=  0

Il s’agit d’une suite de v.a.r. homoscédastiques et non autocorrélées (et même indépendantes,
c’est pourquoi on parle aussi de processus i.i.d. pour identiquement et indépendamment
distribué).

2 Autocorrélations simple et partielle

Les principales caractéristiques temporelles d’un processus sont données par l’autocorrélation
(simple) et l’autocorrélation partielle.

2.1 La fonction d’autocovariance et d’autocorrélation

La fonction d’autocovariance {γ(h)}h∈Z mesure la covariance entre une variable et cette
même variable à des dates différentes, pour un délai h:

γ(h) = Cov(Yt , Yt−h ) = E[(Yt − E(Yt ))(Yt−h − E(Yt−h ))]

Ainsi γ(0) = V ar(Yt ) = E[(Yt − E(Yt ))2 ] = σY2 .

6
 Elle fournit une information sur la variabilité de la série et sur les liaisons temporelles
qui existent entre les diverses composantes de la série Yt .

La fonction d’autocovariance d’un processus stationnaire est une fonction :

* paire : γ(−h) = γ(h) ∀h

* semi-définie positive :

n 
n
aj ak γ(tj − tk ) > 0 ∀n ∈ N, ∀aj ∈ R, ∀tj ∈ Z
j=1 k=1


n
puisque cette quantité est égale à V j=1 aj Ytj .

La fonction d’autocorrélation est définie par :

γ(h)
ρ(h) = , h∈Z
γ(0)
avec ρ(0) = 1 et |ρ(h)| < 1 (donc |γ(h)| ≤ γ(0))

On appelle coefficient d’autocorrélation d’ordre 1 (resp. d’ordre k) le coefficient de

corrélation linéaire ρ(1) (resp. ρ(k)) calculé entre la série et cette série décalée d’une
période (resp. k périodes).

On définit la matrice de corrélation (de dimension m) de la manière suivante :

 
1 ρ(1) ρ(2) . . . ρ(m − 1)
 ρ(1) 1 ρ(1) . . . ρ(m − 2) 
 
R(m) =  .. 
 . 
ρ(m − 1) ρ(m − 2) . . . ρ(1) 1

Puisque la fonction ρ(h), h ∈ Z est de type positif, on a la propriété suivante :

detR(m) ≥ 0, ∀m ∈ N∗

Ainsi, on a les contraintes suivantes :

• detR(1) ≥ 0

• detR(2) ≥ 0 ⇐⇒ ρ(1)2 ≤ 1

• detR(3) ≥ 0 ⇐⇒ [1 − ρ(2)][1 + ρ(2) − 2ρ(1)2 ] ≥ 0.

Ainsi, comme ρ(2) < 1, on a ρ(2) ≥ 2ρ(1)2 − 1. Si la corrélation d’ordre 1 est élevée,
il en est de même de la corrélation d’ordre 2. Il ne peut donc y avoir de chute
brutale de valeur entre ρ(1) et ρ(2) lorsque ρ(1) est grand.

7
 L’équivalent empirique de la fonction d’autocorrélation, noté ρ̂(h), est obtenu à partir
de l’estimateur suivant pour l’autocovariance γ̂(h) à l’ordre h :

1 T
γ̂(h) = (yt − ȳ)(yt−h − ȳ)
T − h − 1 t=h+1

où
1
ȳ = yt
T t
Afin de tester la nullité du coefficient d’autocorrélation d’ordre h, on calcule la variance
de ce coefficient. On peut montrer qu’elle est donnée par :

1 
h−1
V (ρ̂(h)) = ρ̂(j)2
T
j=−(h−1)

soit en utilisant la symétrie des ρ(j), on obtient:

1 
h−1
V (ρ̂(h)) = 1+2 ρ̂(j)2
T j=1

La statistique de test de nullité du coefficient d’autocorrélation est :

ρ̂(h)
t= 
V̂ (ρ̂(h))

Elle suit une loi de Student. La variance dépendant de h, l’intervalle de confiance associé
au corrélogramme (ensemble des coefficients d’autocorrélation quand h varie) augmente
avec h.

2.2 La fonction d’autocorrélation partielle

Elle mesure la liaison (linéaire) entre Yt et Yt−h une fois retirés les liens transitant par les
variables intermédiaires Yt−1 , . . . , Yt−h+1 .
Le coefficient d’autocorrélation partielle d’ordre h, noté r(h), est le coefficient de
corrélation entre :

* Yt − E(Yt /Yt−1 , . . . , Yt−h+1 )

* et Yt−h − E(Yt−h /Yt−1 , . . . , Yt−h+1 )

On a donc :
r(h) = corr(Yt , Yt−h /Yt−1 , . . . , Yt−h+1)

C’est donc le coefficient de Yt−h dans la régression de Yt sur Yt−1 , . . . , Yt−h+1 , Yt−h .

8
 Si Yt est un processus stationnaire centré, la prédiction optimale de Yt sachant son
passé jusqu’à t − h est donnée par :

E(Yt /Yt−1 , . . . , Yt−h )) = a1 Yt−1 + . . . + ah Yt−h

que l’on peut réécrire matriciellement :

   −1    −1  
a1 γ0 γ1 . . . γh−1 γ1 1 ρ1 . . . ρh−1 ρ1
 a2   γ1 γ0 . . . γh−2   γ2   ρ1 1 . . . ρh−2   ρ2 
         
 ..  =  .. ..   .. = .. ..   .. 
 .   . .   .   . .   . 
ah γh−1 γh−2 . . . γ0 γh ρh−1 ρh−2 . . . 1 ρh

Le coefficient d’autocorrélation partielle d’ordre h d’un processus stationnaire est alors

ah et se calcule de la manière suivante :
|R(h)∗ |
r(h) =
|R(h)|
avec  
1 ρ1 . . . ρh−1
 ρ1 1 . . . ρh−2 
 
R(h) =  .. .. 
 . . 
ρh−1 ρh−2 . . . 1
 
ρ1
 ρ2 
 
et R(h)∗ la matrice R(h) dans laquelle on a remplacé la colonne h par  .. , soit :
 . 
ρh
 
1 ρ1 . . . ρ1
 ρ1 1 . . . ρ2 
∗ 
R(h) =  .. .. 
 . . 
ρh−1 ρh−2 . . . ρh

Ainsi,
ρ(2) − ρ(1)2
r(1) = ρ(1) r(2) = ...
1 − ρ(1)2

De manière empirique, les autocorrélations partielles s’estiment soit :

• à partir de la régression MCO de Yt sur les h retards et en prenant le dernier

coefficient,

• en estimant les autocorrélations simples et en calculant r̂(h) à partir de la formule

ci-dessus,

9
 • à partir de l’algorithme de Durbin: il permet de calculer récursivement les divers
coefficients de régression en évitant l’inversion des matrices de corrélation R(h). Il
est basé sur une formule de calcul des coefficients ah (H) à partir des ah (H − 1) et
a1 (1) = ρ(1).

Afin de tester la nullité du coefficient d’autocorrélation partielle d’ordre h, on donne

la variance de l’autocorrélation partielle estimée :
1
V (r̂(h)) = ∀h
T
Ainsi, l’intervalle de confiance du corrélogramme partiel est le même pour tout h.

3 Représentation de Wold
3.1 Présentation
Propriété : Si Yt , t ∈ Z est un processus stationnaire, et si (ai , i ∈ Z) est une suite de


nombres réels absolument sommable ( +∞ i=−∞ |ai | < +∞), alors :


+∞
Zt = ai Yt−i , t ∈ Z
i=−∞

est un nouveau processus stationnaire. On parle de représentation moyenne mobile infinie,

notée MA(∞).

En effet, la série i∈Z ai Yt−i est convergente dans L2 , car :


+∞ 
+∞ 
+∞
||ai Yt−i || = |ai | ||Yt−i|| = [γ(0) + m2 ]1/2 |ai | < +∞
i=−∞ i=−∞ i=−∞

+∞
L’écriture i=−∞ ai Yt−i a alors un sens dans L2 et la variable Yt est de carré intégrable.

Les moments de Zt sont :


+∞ 
+∞ 
+∞
E(Zt ) = E ai Yt−i = ai E(Yt−i ) = mY ai (indépendant de t)
i=−∞ i=−∞ i=−∞

+∞ 
+∞ 
+∞ 
+∞
cov(Zt , Zt+h ) = cov ai Yt−i , aj Yt+h−j = ai aj cov(Yt−i , Yt+h−j )
i=−∞ j=−∞ i=−∞ j=−∞


+∞ 
+∞
= ai aj γY (h + i − j) = γZ (h) (indépendant de t)
i=−∞ j=−∞

10
 L’exemple le plus simple de processus stationnaire est fourni par le processus bruit
blanc εt , t ∈ Z. Ainsi, tout processus de la forme :
 
Yt = ak εt−k où |ak | < ∞
k∈Z k∈Z

est stationnaire du 2nd ordre, avec :

 
E(Yt ) = 0 γy (0) = σ 2 a2k γy (h) = σ 2 ak ak−h
k k

Les processus pouvant s’écrire comme moyennes mobiles infinies de bruits blancs sont
appelés processus linéaires. Le théorème qui suit justifie l’utilisation des représentations
moyennes mobiles infinies dites unilatérales vers le passé, c’est-à-dire dans lesquelles ak = 0
pour tout k < 0.

Le Théorème de Wold (ou décomposition de Wold) :

Tout processus stationnaire du second ordre peut être représenté sous la forme :

∞
Yt = ψj εt−j + m (1)
j=0

∞
où les paramètres ψj satisfont ψ0 = 1, ψj ∈ R, ∀j ∈ N∗ , 2
j=0 ψj < ∞ et où εt est un bruit
blanc i.i.d. (0, σε2 ).

La somme des chocs passés correspond à la composante linéaire stochastique de Yt et

le terme m désigne la moyenne du processus

Ainsi, tout processus stationnaire peut s’écrire comme une somme pondérée infinie de
chocs passés, ces chocs étant représentés par un BB de variance finie.


La condition ∞ 2
j=0 ψj < ∞ est très importante! Elle assure l’existence des moments
d’ordre 2.

On montre que le processus BB εt est le processus d’innovation de Yt .

On appelle innovation d’un processus du 2nd ordre Yt , la variable :

εt = Yt − Yt∗ = Yt − E(Yt |1, Yt−1 , Yt−2 , . . .)

Yt∗ est la prévision optimale de Yt fonction de son passé (meilleure approximation linéaire)
et l’erreur de prévision correspondante à 1 pas est appelée innovation.
Ainsi, l’innovation est la partie de Yt non corrélée au passé de la série.

11
 En effet, d’après l’équation (1), Yt−1 dépend de εt−1 , εt−2 , . . . (non corrélés à εt ); Yt−2
dépend de εt−2 , εt−3 , . . . (non corrélés à εt ). Donc εt est non corrélé à Yt−1 , Yt−2 , . . ., le
passé de Yt , c’est donc le processus d’innovation de Yt .

On peut aussi montrer que le processus d’innovation constitue un BB lorque Yt est

stationnaire.

3.2 Prévision à partir de la représentation de Wold

A partir de la représentation de Wold, on peut prévoir les valeurs futures de YT jusqu’en
T + h sachant l’ensemble d’information jusqu’en T , prévision notée ŶT (h).
La meilleure prévision possible de la réalisation de YT +h connaissant les valeurs jusqu’en
T , YT , YT −1 , YT −2, YT −3 , . . . est donnée par l’espérance conditionnelle (idée de projection) :

ŶT (h) = E(YT +h |YT , YT −1 , YT −2, YT −3 , . . .)

Or d’après le théorème de Wold, la connaissance des valeurs passées de YT est équivalente

à la connaissance des valeurs passées des chocs εT , εT −1, . . ..
Ainsi, on peut considérer la représentation de Wold pour calculer la prévision optimale :

∞
ŶT (h) = E(YT +h |YT , YT −1 , YT −2, YT −3 , . . .) = E ψj εT +h−j + m|εT , εT −1 , . . .
j=0

On constate alors que l’erreur de prévision à un pas (h=1) est

YT +1 − ŶT (1) = εT +1

Il s’agit de l’innovation (fondamentale au choc). Elle a de bonnes propriétés puisque cette

erreur de prévision est indépendante de l’erreur de prévision que l’on a pu commettre aux
dates précédentes puisque E(εT , εT −j ) = 0.

L’erreur de prévision quand on prévoit à h périodes est donnée par :


h−1
YT +h − ŶT (h) = ψj εT +h−j
j=0

3.3 Opérateur retard

On introduit un opérateur, opérateur retard, afin d’écrire de manière plus synthétique les
processus ARMA et la forme MA(∞).
L’opérateur retard L (pour Lag ou parfois noté aussi B pour Backward) est tel que :

Lyt = yt−1

12
 Cet opérateur permet de définir une application qui à toute variable yt associe la
variable retardée. Cet opérateur a les propriétés suivantes :

Lj yt = yt−j ∀j ∈ Z
L0 yt = yt
Lj c = c cste
Li (Lj yt ) = Li+j yt = Lj (Li yt )
L−j yt = yt+j
(Li + Lj )yt = Li yt + Lj yt

(1 − aL)−1 yt = 1−aL 1
yt = limj→∞(1 + aL + a2 L2 + a3 L3 + . . . + aj Lj )yt = ∞ j j
j=0 a L yt si |a| < 1

Ainsi, la forme MA(∞) peut s’écrire :


∞ 
∞
yt = ψj εt−j = ψj Lj εt = (. . .+ψ−2 L−2 +ψ−1 L−1 +1+ψ1 L+ψ2 L2 +. . .)εt = Ψ(L)εt
j=−∞ j=−∞

et la représentation de Wold (pout tout processus Yt stationnaire) :


∞ 
∞
yt = m + ψj εt−j = m + ψj Lj εt = m + (1 + ψ1 L + ψ2 L2 + . . .)εt = m + Ψ(L)εt
j=0 j=0

4 Le spectre et la densité spectrale

La densité spectrale contient la même information que la fonction d’autocovariance, mais
elle est définie dans le domaine des fréquences plutôt que dans le domaine du temps. Elle
permet notamment d’identifier les principales composantes d’une série (tendance, saison,
cycle).
L’idée est que les différentes composantes d’une série peuvent être vues comme des
oscillations ou des composantes périodiques de fréquence plus ou moins élevée. Si la
fréquence des oscillations est faible, c’est qu’il s’agit d’un cycle de période très longue
et donc d’une composante plutôt tendancielle, alors que si la fréquence est élevée, la
composante est un cycle de période faible (par exemple une saisonnalité).
Dans l’approche temporelle, les questions sont directement formulées en termes de
temps et peuvent être exprimées sous forme autorégressive. Dans l’approche fréquentielle,
l’objectif est la décomposition (spectrale) d’une série (stationnaire), c’est-à-dire l’identification
des oscillations aux principales fréquences. Si un processus comporte plusieurs com-
posantes alors sa densité spectrale donnera la répartition des amplitudes des composantes
aux différentes fréquences.

Dans ce cadre, on interprète la densité spectrale en étudiant les pics les plus impor-
tants. S’il n’y a pas de pics, il n’y a pas de composantes cycliques dominantes, donc il

13
s’agit d’un BB. S’il y a des pics, on peut alors ré-interpréter les fréquences en termes de
temps pour déterminer la durée du cycle.
Les fréquences sont mesurées en fréquence angulaire, notée ω. On a les relations
suivantes entre la fréquence angulaire ω et la période de temps T :
2π 2π
ω= ⇔T =
T ω
• Pour des données mensuelles, la période est l’année (T=12) et la fréquence angulaire
correspondante est ω = 2π/12 = π/6. Ainsi, si l’on observe un pic à la fréquence
ω = π/6, on pourra conclure que la série a une composante périodique de période
12, c’est-à-dire un effet saisonnier mensuel.

• Pour des données trimestrielles, la période est T = 4 et donc la fréquence correspon-

dante est ω = π/2. Si on observe un pic dans la densité spectrale à cette fréquence,
c’est qu’il y a un effet trimestriel.

• S’il y a un pic pour des basses fréquences, cela signifie qu’il y a un cycle de long-
terme. Si la densité spectrale est élevée voir infinie à l’origine, cela signale qu’il y a
un problème de non stationnarité.

Comment calculer la densité spectrale d’un processus et quelles sont ses propriétés?
Nous considérons les processus MA(∞) pour lesquels la définition de la densité spec-
trale est “naturelle”.
Un processus stationnaire linéaire est par définition un processus Yt admettant une
représentation MA(∞) :

∞
Yt = aj εt−j
j=−∞


avec εt BB et j |aj | < ∞.
Sa fonction d’autocovariance est :
  
γY (h) = cov aj εt−j , ak εt−h−k = σ2 aj aj−h
j k j

La densité spectrale du processus Yt , t ∈ Z est la fonction définie sur R par :

1 
∞
f (ω) = γ(h)eiωh ∀ω ∈ R
2π h=−∞

où eiωh = cos ωh + i sin ωh.

14
 On appelle fonction génératrice des moments la fonction de z ∈ C :

Γ(z) = γ(h)z h
h

Ainsi, on peut réécrire

1
f (ω) = Γ(eiω )
2π

Propriétés :

• f (ω) existe car la série de terme général γ(h)eiωh est absolument convergente puisque


h |γ(h)| < ∞ (car Yt est stationnaire)

• f (ω) est réelle car, puisque γ(−h) = γ(h), on a :

 
1 ∞
f (ω) = γ(0) + γ(h)(eiωh + e−iωh )
2π h=1

γ(0) 1 
∞
= + γ(h) cos ωh
2π π h=1
1 
∞
= γ(h) cos ωh
2π h=−∞

De plus, la parité de γ(h) implique aussi

  ∞ ∞ ∞
1 −h −h
Γ = γ(h)z = γ(−h)z = γ(h)z h = Γ(z)
z h=−∞ h=−∞ h=−∞

ainsi Γ est symétrique (et au moins défini sur le cercle unité |z| = 1)

• f (ω) est une fonction paire, continue, périodique de période 2π (on la représente sur
[0, π]) et positive.

Propriété : Il est équivalent de connaı̂tre γ(h) (h ∈ Z) ou f (ω) (ω ∈ R) :

 π
1 
∞
f (ω) = γ(h) cos ωh γ(h) = f (ω) cos ωhdω
2π −π
h=−∞

Densité spectrale d’un BB:

Soit εt un BB(0, σ 2 ) avec γε (0) = σ 2 et γε (h) = 0 pour h = 0. Sa densité spectrale est
donnée par :
γ(0) σ2
f (ω) = = constante
2π 2π
15
 Inversement si Yt est un processus stationnaire dont la densité spectrale est constante
f (ω) = c, alors ce processus est un BB :
 π
γ(h) = c cos ωhdω = 0 si h = 0
−π

Propriété : Soit Yt un processus MA(∞) :


Yt = aj εt−j = A(L)εt
j∈Z

avec εt BB(0, σ 2 ) et j |aj | < ∞, on a alors :

σ2 σ2
ΓY (z) = σ 2 A(z)A(1/z) fY (ω) = |A(eiω )|2 = A(eiω )A(e−iω )
2π 2π
Ceci nous donne des manières alternatives de calculer la densité spectrale.

Le Gain du filtre est donné par :

G(ω) = |A(eiω )|2

Idée : Si on applique le filtre A(L) à la série εt , la série filtrée est Yt = A(L)εt et le

gain du filtre G(ω) indique les fréquences qu’il pondère davantage ou les fréquences qu’il
atténue.

Propriété : Si Zt = j∈Z cj Yt−j où j |cj | < ∞, alors
 2
 
 iωj 
fZ (ω) = fY (ω)  cj e 
 
j∈Z

5 Modèles ARMA et représentations canoniques

On s’intéresse aux processus ARMA, ceux-ci donnant des représentations plus parci-
monieuses que la représentation de Wold (qui nécessite un nombre infini de paramètres!) :
p q
 
Yt − φi Yt−i = εt − θi εt−i
i=1 i=1

p q
 
i
(1 − φi L )Yt = (1 − θi Li )εt
i=1 i=1

Φ(L)Yt = Θ(L)εt

16
 On ne s’intéressera qu’aux représentations canoniques, c’est-à-dire aux écritures des
modèles ARMA telles que εt soit le processus d’innovation de Yt ⇐⇒ la prédiction optimale
est ŶT (k) = E(YT +k /YT , YT −1, . . .) et l’erreur de prévision à 1 pas est l’innovation ⇒ on
ne peut pas faire mieux que la prédiction optimale.
Il s’agit donc de trouver des contraintes sur les paramètres des modèles ARMA.

Quelles sont ces conditions?

• il faut que la représentation soit stationnaire, donc que Φ admette une inverse (⇒
module des racines de Φ différent de 1) :

∞ 
−1
Yt = Φ(L) Θ(L)εt = hj εt−j avec |hj | < ∞
j=−∞

• il faut que la représentation soit inversible, c’est-à-dire que la forme AR(∞) soit
tournée vers le passé (⇒ module des racines de Θ strictement supérieur à 1) :

∞
−1
Θ(L) Φ(L)Yt = εt = πj Yt−j
j=0

Yt peut s’écrire en fonction de son passé et de εt

• il faut que la représentation soit causale, c’est-à-dire que la forme MA(∞) soit
tournée vers le passé (⇒ module des racines de Φ strictement supérieur à 1) :

∞
−1
Yt = Φ(L) Θ(L)εt = hj εt−j
j=0

Yt−i non corrélé à εt

=⇒ Alors, εt est le processus d’innovation de Yt .

Remarques préliminaires: inversion d’un polynôme

Soit le polynôme 1 − aL. Comment calculer son inverse (1 − aL)−1 ?

• Si |a| < 1, donc si la racine de 1 − az = 0 est supérieure à 1 en valeur absolue

1
|z| = |a|
> 1, alors l’inverse est donnée par :


∞
−1
(1 − aL) = ai Li = 1 + aL + a2 L2 + . . .
i=0

puisque

∞ 
∞ 
∞
ai Li (1 − aL) = ai Li − ai Li = a0 L0 = 1
i=0 i=0 i=1

17
 • Si |a| > 1, donc si la racine de 1 − aL = 0 est inférieure à 1 en valeur absolue
1
|z| = |a|
< 1, alors l’inverse est donnée par :


∞
−1
(1 − aL) =− a−i L−i
i=1

puisque

∞ 
∞ 
∞
− a−i L−i (1 − aL) = − a−i L−i + a1−i L1−i = a0 L0 = 1
i=1 i=1 i=1

5.1 Processus MA
5.1.1 Définition

On appelle processus moyenne mobile d’ordre q, noté MA(q) pour Moving Average, un
processus {Yt }t∈Z défini par :
q

Yt = εt − θi εt−i ∀t ∈ Z
i=1

où les θi sont des réels, θq = 0 et {εt }t∈Z est un processus bruit blanc de variance σ 2 .

⇐⇒ Yt = (1 − θ1 L − . . . − θq Lq )εt ⇐⇒ Yt = Θ(L)εt

5.1.2 Représentation stationnaire et causale

La définition d’un MA(q) est explicite et ne pose donc pas de problème : le processus Yt
est parfaitement défini et est automatiquement stationnaire.
La représentation est causale par définition.

5.1.3 Représentation inversible

Θ(L) est un polynôme en L de degré q, que l’on peut factoriser en ayant calculé ses racines
zi = 1/λi, i = 1, . . . , q :

Θ(L) = 1 − θ1 L − . . . − θq Lq = (1 − λ1 L)(1 − λ2 L) . . . (1 − λq L)

Si Θ(z) n’a pas de racine de module égal à 1, on peut calculer l’inverse de Θ(L), qui est
alors donnée par :
k1 kq
Θ(L)−1 = (1 − λ1 L)−1 (1 − λ2 L)−1 . . . (1 − λq L)−1 = + ...+
1 − λ1 L 1 − λq L

si toutes les racines de Θ (c’est-à-dire 1/λi, i = 1, . . . , q) sont distinctes et où k1 , . . . , kq

sont des paramètres qui dépendent de λ1 , . . . , λq .

18
 On obtient alors l’expression suivante :

∞
−1
Θ(L) Yt = πi Yt−i = εt
i=−∞

∞
où les π sont fonctions des paramètres θj , et on peut montrer que i=−∞ |πi | < ∞.

• Si les racines de Θ(z) = 0 sont toutes de module supérieur à 1, on peut montrer

que πi = 0 ∀i < 0 et εt s’interprète comme l’innovation du processus. On dit que
le processus est inversible.

• Si les racines de Θ(z) = 0 sont inférieures à 1 en module, mais qu’il n’y a pas de
racines de module égal à 1, on peut inverser les racines, quitte à changer de bruit
blanc, et supposer que le processus est inversible.

On a alors la forme AR(∞) suivante :


∞ 
∞
Yt = − πi Yt−i + εt |πi | < ∞
i=1 i=1

les πi s’obtenant par division croissante de 1 par Θ (avec π0 = 1).

Ainsi, Yt dépend de εt et de son passé, donc Yt−1 dépend de εt−1 et de son passé,
cet ensemble étant indépendant de εt (puisque εt est un BB), donc le passé de Yt est
indépendant de εt , donc εt est l’innovation de Yt .

Exemple du MA(1) : Yt = εt − θεt−1 = (1 − θL)εt avec εt BB (0, σε2 )

La racine de 1 − θz = 0 est z = 1/θ.

• Si |θ| = 1 alors la forme AR(∞) n’existe pas, la représentation est stationnaire,

causale mais non inversible, donc non canonique.

• Si |z| > 1 et donc |θ| < 1 alors :


∞ 
∞
−1 i i
εt = (1 − θL) Yt = θ L Yt = Yt + θi Yt−i
i=0 i=1

et la forme AR(∞) s’écrit :


∞
Yt = − θi Yt−i + εt
i=1

La représentation est alors inversible, en plus d’être stationnaire et causale =⇒ elle

est donc canonique.

19
 • Si |z| < 1 et donc |θ| > 1 alors :


∞  
−1 −i −i Yt+1 Yt+2
εt = (1 − θL) Yt = − θ L Yt = − + 2 + ...
i=1
θ θ

Dans ce cas, on peut toujours (tant que |θ| = 1) se ramener à une représentation
canonique quitte à changer la représentation et surtout à changer de BB et à inverser
les racines.

En effet, la fonction génératrice des moments du MA(1) initial est donnée par :

ΓY (z) = (1 − θz)(1 − θz −1 )
  
1 1
= θz −1 − 1 θz −1
θz θz −1
  
2 1 −1 1
= θ 1− z 1− z
θ θ

soit la fonction génératrice des moments d’un MA(1) où la racine est 1/θ et le
nouveau BB (ηt ) est de variance θ2 σε2 , soit une représentation de la forme :
1
Yt = ηt − ηt−1
θ

Une autre manière de faire est de passer par la fonction d’autocovariance, en iden-
tifiant les paramètres de la représentation canonique :

Yt = εt − θεt−1 = ηt − αηt−1

Ainsi,
γ(0) = (1 + θ2 )σε2 = (1 + α2 )ση2
γ(1) = −θσε2 = −αση2
Les valeurs solutions de α vérifient alors :

α2 θ − α(1 + θ2 ) + θ = 0

on obtient alors α = 1/θ ou α = θ. On choisit la solution qui est inférieure à 1

en module, soit α = 1/θ puisqu’on est dans le cas |θ| > 1. On a alors α = 1/θ et
ση2 = θ2 σε2 .

Conclusion : la représentation Yt = Θ(L)εt est canonique si les racines de Θ(z) sont

supérieures à 1 en module.

20
5.2 Processus AR
5.2.1 Définition

On appelle processus autorégressif d’ordre p, noté AR(p), un processus stationnaire

{Yt }t∈Z vérifiant une relation du type :
p

Yt − φi Yt−i = εt ∀t ∈ Z
i=1

où les φi sont des réels, φp = 0 et {εt }t∈Z est un bruit blanc de variance σ 2 .

⇐⇒ (1 − φ1 L − . . . − φp Lp )Yt = εt ⇐⇒ Φ(L)Yt = εt

5.2.2 Représentation stationnaire

Ce processus est pour l’instant défini sous forme implicite et en particulier il n’est pas
certain que cette dernière équation admette toujours une solution stationnaire.

Si le polynôme Φ a toutes ses racines de module différent de 1, on peut inverser

l’opérateur Φ(L). On en déduit que l’équation admet une solution unique, avec une
écriture MA(∞) :

∞
−1
Yt = Φ(L) εt = hi εt−i
i=−∞

∞
On peut alors montrer que l’on a i=−∞ |hi | < ∞ et donc que la représentation est
stationnaire.

5.2.3 Représentation inversible

La représentation AR(p) est inversible par définition.

5.2.4 Représentation causale

• Si le polynôme Φ a toutes ses racines de module strictement supérieur à 1, l’opérateur

inverse Φ(L)−1 admet un développement ne faisant intervenir que les puissances positives
de L. On a alors :

∞
Yt = hi εt−i
i=0
Dans ce cas, on montre que l’on a

∞
|hi | < ∞, h0 = 1
i=0

Dans ce cas, Yt−1 , Yt−2 , . . . sont fonctions linéaires de εt−1 , εt−2 , . . . et en particulier
sont non corrélés avec εt .

21
 Projetant la relation AR sur le passé de X, on obtient :
p

E(Yt /Yt−1 , Yt−2 , . . .) = φi Yt−i
i=1

ainsi, le bruit blanc est aussi l’innovation puisque :

Yt − E(Yt /Yt−1 , Yt−2 , . . .) = εt

• Lorsque les racines de Φ(z) sont de module différent de 1, on peut montrer que,
quitte à changer de bruit blanc, on peut toujours supposer que ces racines sont de module
supérieur à 1.
Mais si certaines racines de Φ(z) = 0 sont de module inférieur à 1, alors εt n’est pas
l’innovation, puisque la forme MA(∞) sera tourné vers le futur (et peut-être aussi vers le
passé si certaines racines étaient bien supérieur à 1 en module). Dans ce cas, le passé de
Yt dépend du passé et du futur de εt : on ne peut plus dire qu’il n’y a pas de corrélation
entre le passé de Yt et εt ! Ainsi, ce n’est pas εt qui est l’innovation du processus.

Exemple de l’AR(1) : Yt = φYt−1 + εt avec εt BB (0, σε2 )

La racine de Φ(z) = 1 − φz est z = 1/φ.

• Si |z| = 1 et donc |φ| = 1, par exemple φ = 1, alors :

Yt = Yt−1 + εt = . . . = Yt−n + εt−n+1 + . . . + εt−1 + εt

et la variance dépend de t! donc il n’existe pas de solution stationnaire.

Il s’agit d’un processus non stationnaire de type stochastique, appelé marche aléatoire
(random walk).

• Si |z| > 1 et donc |φ| < 1 alors la forme MA(∞) est donnée par :

∞ 
∞
−1 i i
Yt = (1 − φL) εt = φ L εt = εt + φi εt−i
i=0 i=1

La représentation est alors causale, en plus d’être stationnaire et inversible =⇒ elle

est donc canonique. εt est le processus d’innovation de Yt , puisque le passé de Yt
dépend du passé de εt et donc n’est pas corrélé à εt .

• Si |z| < 1 et donc |φ| > 1 alors :


∞  
−1 −i −i εt+1 εt+2
Yt = (1 − φL) εt = − φ L εt = − + 2 + ...
i=1
φ φ

22
 La forme MA(∞) n’est pas tournée vers le passé et la représentation n’est donc pas
canonique.
Cependant, dans ce cas, on peut toujours (tant que |φ| = 1) se ramener à une
représentation canonique, en changeant la représentation, c’est-à-dire en changeant
de BB et en inversant les racines.

En effet, la fonction génératrice des moments de l’AR(1) initial est donnée par :
1
ΓY (z) =
(1 − φz)(1 − φz −1 )
1
=   
1
φz φz − 1 φz1−1 − 1 φz −1
1
=   
φ2 1 − φ1 z −1 1 − φ1 z

soit la fonction génératrice des moments d’un AR(1) où la racine est 1/φ et le
σ2
nouveau BB (ηt ) est de variance φ2
, soit une représentation de la forme :

1
Yt = Yt−1 + ηt
φ

Conclusion : la représentation Φ(L)Yt = εt est canonique si les racines de Φ(L) = 0

sont supérieures à 1 en module.

5.3 Processus ARMA

5.3.1 Définition

Les processus ARMA généralisent simultanément les modèles AR purs et les MA purs. Ces
modèles présentent l’avantage d’être plus souples d’utilisation et de fournir généralement
de bonnes approximations des séries réelles avec moins de paramètres que les modèles AR
ou MA purs.

Définition : Un processus stationnaire Yt admet une représentation ARMA(p, q)

minimale : p q
 
Yt − φi Yt−i = εt − θi εt−i ⇐⇒ Φ(L)Yt = Θ(L)εt
i=1 i=1

s’il satisfait les conditions suivantes :

(i) φp = 0, θq = 0

(ii) Les polynômes Φ et Θ ont toutes leurs racines de module strictement supérieur à 1

23
(iii) Φ et Θ n’ont pas de racine commune

(iv) εt est un bruit blanc, de variance σ 2 = 0

Remarquons qu’on aurait pu définir une représentation plus générale permettant de

considérer des processus stationnaires non centrés. Par exemple :
p
 q

∗
Yt − φi Yt−i = θ + εt − θi εt−i
i=1 i=1

On se ramène directement au cas défini précédemment en remplaçant Yt par Yt − E(Yt ) =

θ∗ θ∗
Yt − 1−


φj
= Φ(1)
.
j

La condition (ii) assure tout d’abord que la représentation ARMA admet une solution
stationnaire (si les racines de Φ sont de module différent de 1), que cette solution sta-
tionnaire MA(∞) fait intervenir que des valeurs passées du bruit (les racines de Φ sont
à l’extérieur du disque unité), que la représentation AR(∞) ne fait intervenir que des
valeurs présentes et passées de Yt (les racines de Θ sont de module strictement supérieur
à 1). Ainsi, εt est le processus d’innovation du processus Yt .

La condition (iii) assure que la représentation est unique, sinon il y aurait des simpli-
fications possibles.

5.3.2 Propriété

Si Y est un processus stationnaire de représentation ARMA(p, q) minimale Φ(L)Yt =

Θ(L)εt , alors :

(i) Yt admet la représentation MA(∞) :

Θ(L)  ∞
Yt = εt = hj εt−j , h0 = 1
Φ(L) j=0

(ii) Yt admet la représentation AR(∞) :

Φ(L)  ∞
Yt = πj Yt−j = εt , π0 = 1
Θ(L) j=0

(iii) Yt admet pour innovation εt

6 Caractéristiques des processus ARMA: autocorrélation

simple, partielle et densité spectrale
On va étudier les caractéristiques propres aux processus AR, MA et ARMA en termes
d’autocorrélations simple et partielle afin de se donner un schéma d’identification.

24
6.1 Corrélogramme simple
On rappelle que la fonction d’autocorrélation simple est donnée par :
γ(h) E(Yt Yt−h )
ρ(h) = =
γ(0) E(Yt2 )

6.1.1 Cas de l’AR(p)

Soit le processus AR(p) :

p

Yt − φi Yt−i = εt ∀t ∈ Z (2)
i=1

Pour calculer sa variance, on multiplie cette équation par Yt et on en prend son

espérance :
p

E(Yt2 ) − φi E(Yt Yt−i ) = E(Yt εt )
i=1

on obtient alors : p

γ(0) = φi γ(i) + σ 2
i=1

Ainsi, puisque γ(i) = γ(0)ρ(i)

σ2
γ(0) =
p
1− i=1 φi ρ(i)
Pour obtenir les autocovariances, on multiplie l’équation (2) par Yt−h et on en prend
son espérance. On obtient alors les équations suivantes :
p

γ(h) − φi γ(h − i) = 0 ∀h > 0
i=1

Les p + 1 premières équations sont appelées équations de Yule-Walker.

En divisant par γ(0), on obtient alors :
p

ρ(h) − φi ρ(h − i) = 0 ∀h > 0
i=1

soit une équation de récurrence linéaire homogène d’ordre p dont le polynôme caractéristique
est : p

zh − φi z h−i = z h (1 − φ1 z −1 − . . . − φp z −p ) = 0 (3)
i=1

p
Si le polynôme Φ(L) = 1 − i=1 φi Li admet p racines distinctes 1/λ1 , 1/λ2 , . . . , 1/λp,
alors les racines de l’équation (3) sont λ1 , λ2 , . . . , λp et le coefficient d’autocorrélation
d’ordre h est alors donné par :

ρ(h) = a1 (λ1 )h + a2 (λ2 )h + . . . + ap (λp )h

25
où les ai , i = 1, . . . , p sont des constantes déterminées par les conditions initiales.
Puisque la représentation est canonique, les racines 1/λi , i = 1, . . . , p sont alors de
module supérieur à 1 donc |λi | < 1.
Ainsi, la fonction d’autocorrélation (d’un processus stationnaire) décroı̂t, soit de manière
exponentielle (si les racines sont réelles), soit selon des cycles amortis (si les racines sont
complexes).

6.1.2 Cas du MA(q)

Calculons les autocovariances pour le processus MA(q) :

q

Yt = εt − θi εt−i ∀t ∈ Z
i=1

On obtient :

γ(h) = E(Yt Yt−h )

q q
 
= E εt − θi εt−i εt−h − θi εt−h−i
i=1 i=1

q 2 2

 (1 +
qθi ) σ si h=0
  i=1 
−θh + i=h+1 θi θi−h σ 2 si 1 ≤h≤q−1
=

 −θq σ 2 si h=q

0 si h>q

Ainsi, les autocorrélations simples s’annulent après l’ordre du MA :

ρ(h) = 0 si h > q

et pour h < q, sont telles que :

−θh + qi=h+1 θi θi−h
ρ(h) =

1 + qi=1 θi2

6.1.3 Cas de l’ARMA(p,q)

Soit le processus ARMA(p,q) suivant :

p q
 
Yt − φi Yt−i = εt − θi εt−i
i=1 i=1

On obtient, en multipliant par Yt−h et en prenant l’espérance :

p q
 
γ(h) − φi γ(h − i) = E(Yt−h εt ) − θi E(Yt−h εt−i )
i=1 i=1

26
Or, E(Yt−h εt−i ) = 0 si t − h < t − i pour i = 1, 2, . . . , q donc pour h > q. Ainsi, pour
h > q, on retrouve l’équation de récurrence d’ordre p comme dans le cas de l’AR(p) :
p

γ(h) − φi γ(h − i) = 0 h>q
i=1

Les p équations h = q + 1, . . . , q + p sont appelées équations de Yule-Walker. Elles per-

mettent de calculer les p coefficients γ(h) en fonction des p valeurs initiales γ(q), . . . , γ(q −
p + 1). Ces équations ne permettent pas de déterminer toutes les valeurs γ(h) puisqu’il
faut disposer de conditions initiales.

Les premières valeurs de γ(h) h = 0, 1, . . . , q sont déterminées par :

p q
 
γ(h) − φi γ(h − i) = E(Yt−h εt ) − θi E(Yt−h εt−i )
i=1 i=1

pour h = 0, 1, . . . , q. Les termes de droite de l’égalité sont calculés à partir de l’expression

MA(∞) de Yt .

Ainsi, le corrélogramme d’un processus ARMA(p,q) est le même que celui d’un AR à
partir de l’ordre q + 1.

6.2 Corrélogramme partiel

L’autocorrélation partielle d’ordre h est la corrélation partielle entre Yt et Yt−h , soit :

r(h) = corr(Yt, Yt−h |Yt−1 , . . . , Yt−h+1 )

C’est le dernier coefficient de la régression de Yt sur Yt−1 , . . . , Yt−h :

Yt = a1 Yt−1 + a2 Yt−2 + . . . + ah Yt−h + εt

6.2.1 Cas de l’AR(p)

Le processus AR(p) peut s’écrire :

p
 
∞
Yt = φi Yt−i + 0 × Yt−i + εt
i=1 i=p+1

Ainsi, les autocorrélations partielles d’un AR(p) sont telles que :

r(p) = φp r(h) = 0 ∀h > p

Pour les premières autocorrélations, il suffit de les calculer en fonction des ρ(i), i =
1, . . . , p :
ρ(2) − ρ(1)2
r(1) = ρ(1) r(2) = ...
1 − ρ(1)2

27
6.2.2 Cas du MA(q)

Les autocorrélations partielles décroissent soit de manière exponentielle (si les racines sont
réelles) soit selon des cycles amortis (si les racines sont complexes).

6.2.3 Cas de l’ARMA(p,q)

Le corrélogramme partiel d’un ARMA(p,q) est le même que celui d’un MA à partir de
l’odre p + 1.

6.3 L’autocorrélation inverse

C’est l’autocorrélation associée à la fonction inverse de la densité spectrale d’un processus.
Soit Yt un processus stationnaire, sa fonction génératrice est donnée par :

Γ(L) = γ(h)Lh
h

La fonction génératrice d’autocorrélation inverse ΓI (L) est telle que :

ΓI (L)Γ(L) = 1

ΓI (L) = ΓI (h)Lh
h

Ainsi, pour un AR(p) :

ΓI (h) = 0 h>p

et pour un MA(q), on retrouve le même corrélogramme simple que celui d’un AR.

6.4 Tableau récapitulatif

AR(p) MA(q)
autocorrélations décroissent de manière ρ(h) = 0si|h| > q
simples exponentielle ρ(h) = 0 si |h| ≤ q
autocorrélations r(h) = 0 si |h| > p décroissent de manière
partielles r(h) = 0 si |h| ≤ p exponentielle
autocorrélations ρi (h) = 0 si |h| > p décroissent de manière
inverses ρi (h) = 0 si |h| ≤ p exponentielle

6.5 Densité spectrale

Soit Yt un processus ARMA(p,q) :

Φ(L)Yt = Θ(L)εt

28
la densité spectrale est :
σ 2 Θ(z)Θ(z −1 )
f (ω) =
2π Φ(z)Φ(z −1 )
où z = eiω .

Soit Yt un processus MA(1) définit par :

Yt = εt − θεt−1 |θ| < 1

On a Θ(z) = 1 − θz. La densité spectrale est :

σ2
f (ω) = (1 − θeiω )(1 − θe−iω )
2π
σ2
= (1 − θ(eiω + e−iω ) + θ2 )
2π
σ2
= (1 − 2θ cos ω + θ2 )
2π

La densité spectrale est donc une fonction croissante si θ > 0 et décroissante si θ < 0
puisque :
σ2
f  (ω) = (2θ sin ω)
2π

Soit Yt AR(1) définit par :

Yt = φYt−1 + εt |φ| < 1

On a Φ(z) = (1 − φz). La densité spectrale est donc donnée par :

σ2
f (ω) = (1 − φeiω )−1 (1 − φe−iω )−1
2π
σ2
= (1 − 2φ cos ω + φ2 )−1
2π
Ainsi, la densité spectrale est croissante si φ < 0 et décroissante si φ > 0 puisque :

σ2 −2φ sin ω
f  (ω) =
2π (1 − 2φ cos ω + φ2 )2

7 Identification, estimation, validation, prévision

7.1 Identification du processus ARMA
La méthode d’identification d’un processus ARMA (choix entre AR, MA et ARMA,
et choix de p et q) de Box et Jenkins est basée sur la comparaison de caractéristiques

29
théoriques des processus ARMA à leurs équivalents empiriques (c’est-à-dire calculées sur
la série observée). Les caractéristiques utilisées sont les autocorrélations simple et partielle
(et éventuellement autocorrélation inverse), étudiées dans la partie précédente.

On peut aussi utiliser des critères de choix de modèle, couramment appelé critères
d’information. Les plus couramment utilisés sont le critère de Akaı̈ke :

AIC = −2 log L + 2(p + q)

et le critère de Schwarz :

BIC = −2 log L + (p + q) log T

où log L est la log-vraisemblance du modèle ARMA(p,q) estimé et T est le nombre

d’observations.
On choisit alors le modèle et p et q qui minimisent ces critères.

7.2 Estimation
Etant donné le processus Yt , t ∈ Z admettant une représentation ARMA(p,q) :
p q
 
Yt − φi Yt−i = εt − θi εt−i εt BB(0, σ 2 )
i=1 i=1

le problème est d’estimer les paramètres φi (i = 1, . . . , p), θj (j = 1, . . . , q) et σ 2 à partir

d’observations Y1 , . . . , YT .

7.2.1 Maximum de vraisemblance

Si le processus εt est gaussien N(0, σ 2 ), alors ε ∼ N(0, σ 2 I) et Y ∼ N(0, σ 2 Ω). Ainsi, la

vraisemblance (densité du vecteur Y = (Y1 , . . . , YT ) est donnée par :
 
2 1 1 1  −1
L(Y1 , . . . , YT ; φ, θ, σ ) = exp − 2 Y Ω Y
(2πσ 2 )T /2 (detΩ)1/2 2σ

La log-vraisemblance est alors donnée par :

T T 1 1
ln L(Y1 , . . . , YT ; φ, θ, σ 2) = − ln(2π) − ln σ 2 − ln(detΩ) − 2 Y  Ω−1 Y
2 2 2 2σ
Le problème est que cette log-vraisemblance est difficile à calculer et donc à maximiser
à cause de (detΩ) et de Ω−1 (matrice T × T ). De plus, il faut se donner des valeurs
préliminaires pour les paramètres, puisque la maximisation de la log-vraisemblance utilise
des algorithmes de maximisation itératifs.

30
7.2.2 Estimation de Yule-Walker

Dans le cas d’un AR(p), on utilise les équations de Yule-Walker :

 
  γ(0) γ(1) . . . γ(p − 1)  
γ(1)  φ1
 ..   γ(1) γ(0) . . . γ(p − 2) 
 .. 
 . = .. .. ..  . 
 . . ... . 
γ(p) φp
γ(p − 1) γ(p − 2) . . . γ(0)

pour déterminer φ̂i , i = 1, . . . , p en fonction de γ̂(i) estimés. On utilise la formule

σ 2 = γ(0) − pi=1 φi γ(i) pour déterminer une estimation de σ 2 .
Cette méthode est appelée estimation de Yule-Walker.

7.2.3 Estimation par l’algorithme de Durbin-Levinson

Dans le cas général d’un ARMA(p,q), on utilise la représentation MA(∞).

Prenons l’exemple d’un ARMA(1,1) :

(1 − φL)Yt = (1 − θL)εt |φ| < 1 |θ| < 1

Alors la forme MA(∞) est donnée par :

Yt = (1 − φL)−1 (1 − θL)εt
∞
= φi Li (1 − θL)εt
i=0

∞ 
∞
i
= φ εt−i − θ φiεt−1−i
i=0 i=0

∞ 
∞
= φi εt−i − θ φi−1 εt−i
i=0 i=1
∞
= hi εt−i
i=0

Par identification, on obtient :

h0 = 1
h1 = φ − θ
h2 = φ2 − θφ
.. ..
. .
hj = φj − θφj−1

h2
Ainsi, φ = h1
et θ = φ − h1 .

31
 Les hj sont estimés à partir d’un algorithme récursif appelé algorithme de Durbin-
Levinson ou algorithme des innovations. A partir de ces estimations, on peut alors obtenir
des estimations de φ et de θ.
Ceci se généralise au cas de p et q quelconques.

7.2.4 Moindres carrés conditionnels

Cette estimation (estimation par défaut sous le logiciel SAS) est conditionnelle à l’hypothèse
que les erreurs non observées passées sont égales à 0. L’estimation repose sur la forme
AR(∞) :

∞
Yt = πi Yt−i + εt
i=1

où les πi dépendent des paramètres φ et θ.

L’estimation CLS consiste à minimiser la somme des carrés suivante :

T 
T 
∞
ε2t = (Yt − πi Yt−i )2
t=1 t=1 i=1

où les valeurs passées de Yt inconnues sont posées à 0 et les valeurs de π sont calculées à
chaque étape à partir des estimations de φ et de θ.

7.3 Validation
Il s’agit de vérifier notamment que les résidus du modèle ARMA estimé, résidus notés ε̂t ,
vérifient les propriétés requises pour que l’estimation soit valide, à savoir qu’ils suivent
un processus BB, non autocorrélé et de même variance, et qu’ils suivent une loi normale.
Si ces hypothèses ne sont pas rejetées, on peut alors mener des tests sur les paramètres.

7.3.1 Tests sur les résidus

• Regarder le graphique des résidus estimés pour voir s’il apparaı̂t des points aberrants,
une tendance, une rupture, de l’autocorrélation, etc. Ceci n’est évidemment qu’indicatif.

• Regarder les autocorrélations simples et partielles. Elles doivent être significativement

nulles si les résidus sont un bruit blanc.

• Test du portemanteau
Afin de tester que les résidus estimés suivent un BB, on teste l’hypothèse d’absence
d’autocorrélation jusqu’à l’ordre m. On utilise la statistique de Ljung-Box, donnée par :

m
ρ̂2k
LB = T (T + 2)
k=1
T −k

32
où les coefficients d’autocorrélation ρ̂k sont calculés sur les résidus estimés ε̂t .
Cette statistique, sous l’hypothèse que les résidus suivent un BB, suit une loi du χ2m .

• Test d’homoscédasticité
Un test couramment utilisé en séries temporelles est le test d’homoscédasticité contre
une alternative ARCH (hétéroscédasticité conditionnelle dans la variance). On teste alors
la nullité des paramètres a1 , . . . , aq dans le modèle :

ε̂2t = a0 + a1 ε̂2t−1 + . . . + aq ε̂2t−q + ηt

La statistique de test est T R2 , T étant le nombre d’observations et R2 le coefficient

de détermination du modèle ci-dessus. Cette statistique suit, sous l’hypothèse nulle
d’homoscédasticité une loi du χ2q .

• Test de normalité
Il s’agit de tester que les résidus estimés ε̂t suivent une loi normale, c’est–à–dire ne
présentent pas d’asymétrie (Skewness) ni d’applatissement (kurtosis).
Le coefficient de Skewness est donné par :
1/2 µ3
β1 = 3/2
µ2
et le coefficient de kurtosis est donné par :
µ4
β2 =
µ22
où
1
T
µk = (ε̂t − ε̂¯t )k
T t=1
est le moment centré d’ordre k de la variable ε̂t .
Si la distribution est normale et le nombre d’observations grand, alors :
     
1/2
β1 ∼ N 0, 6/T β2 ∼ N 3, 24/T

On construit alors les statistiques :

1/2
β β2 − 3
ν1 =  1 et ν2 = 
6/T 24/T
qui suive chacune une N(0, 1).

Le test de Jarque Bera permet de tester simultanément l’absence d’asymétrie et

l’absence d’applatissement. La statistique de test est donnée par :
T T
JB = β1 + (β2 − 3)2
6 24
Cette statistique suit, sous l’hypothèse nulle de normalité, une loi du χ22 .

33
7.3.2 Tests sur les paramètres

On vérifie tout d’abord que les racines des polynômes AR et MA ne sont pas égales à 1.

Si les hypothèses testées sur les résidus ne sont pas rejetées, on teste la significativité
des retards du modèle ARMA par des tests de Student.

7.3.3 Choix d’un modèle parmi plusieurs

Si, à la suite de ces étapes, il reste plusieurs modèles valides, on peut choisir parmi ces
modèles, soit celui qui donne les meilleurs critères d’ajustement, soit celui qui donne les
meilleurs performances en prévision.

Concernant les critères d’ajustement, on retient le modèle qui minimisent les critères
d’information AIC et BIC.

Concernant les performances en prévision des modèles, on utilise couramment les

critères suivants (que l’on cherche bien entendu à minimiser) :


 1 T
RMSE(h) =  (Yt − Ŷt (h))2
T − K + 1 t=K

et
1 T
MAE(h) = |Yt − Ŷt (h)|
T − K + 1 t=K
où K est le nombre d’observations minimales pour mener une estimation du modèle.

On peut calculer ces critères, soit sur la base de prévisions in-sample (toutes les obser-
vations ont été utilisées pour estimer le modèle et on calcule les prévisions sur cet même
ensemble d’observations), soit sur la base de prévisions out-of-sample (on estime le modèle
sur un ensemble d’observations et on mène la prévision sur le reste).

7.4 Prévision
Il s’agit de calculer les prévisions optimales du modèle ARMA estimé, à savoir Ŷk (k) la
prévision de Yt+k sachant l’ensemble d’information disponible en t, noté It = {Y1 , Y2 , . . . , Yt , Z−1 }
où Z−1 = {Y−1 , . . . , Y−p , ε−1 , . . . , ε−q } :

Ŷt (k) = E(Yt+k |It )

7.4.1 Calcul des prévisions optimales et mise à jour

A partir de la forme MA(∞) :

34
 On peut réécrire la forme MA(∞) de la manière suivante :


t+k
Yt+k = hj εt+k−j + h∗ (t + k)Z−1
j=0

alors la prévision optimale est donnée par :


t+k
Ŷt (k) = hj εt+k−j + h∗ (t + k)Z−1
j=k

Ainsi, l’erreur de prévision est :


k−1
et (k) = Yt+k − Ŷt (k) = hj εt+k−j
j=0

Cette formule de calcul de la prévision optimale n’est pas directement utilisable puisqu’elle
fait intervenir les erreurs non observables, mais elle permet d’obtenir une formule de mise
à jour intéressante :

t+k 
t+k
Ŷt+1 (k − 1) − Ŷt (k) = hj εt+k−j − hj εt+k−j = hk−1 εt+1 = hk−1 (Yt+1 − Ŷt (1)) (4)
j=k−1 j=k

A partir de la forme AR(∞) :

On peut réécrire la forme AR(∞) de la manière suivante :


t+k
Yt+k = − πj Yt+k−j + π ∗ (t + k)Z−1 + εt+k
j=1

alors la prévision optimale est donnée par :


t+k
Ŷt (k) = − πj Ŷt+k−j (5)
j=1

où 
Ŷt (k − j) si k > j
Ŷt+k−j =
Yt+k−j si k ≤ j

A partir de la forme ARMA :

p q
 
Yt+k = φi Yt+k−i + εt+k − θi εt+k−i
i=1 i=1

On obtient : p q
 
Ŷt (k) = φi Ŷt+k−i − θi ε̂t+k−i (6)
i=1 i=1

35
où 
0 si k > i
ε̂t+k−i =
εt+k−i si k ≤ i

On peut utiliser ces différentes manières de calculer la prévision optimale de manière

jointe :
a) En T , on calcule ŶT (k), k = 1, . . . , K avec l’équation (5)

b) En T + 1, on connaı̂t YT +1 , on peut alors calculer ŶT +1 (k), k = 1, . . . , K − 1 avec

l’équation (4) :

ŶT +1 (1) en fonction de YT +1 , ŶT (1), ŶT (2)

ŶT +1 (2) en fonction de YT +1 , ŶT (1), ŶT (3)
ŶT +1 (K − 1) en fonction de YT +1 , ŶT (1), ŶT (K)

c) On calcule ŶT +1 (K) avec l’équation (6) si K > q ε̂t+K−i = 0 i = 1, . . . , q et si

K > p Ŷt+K−i = Ŷt (K − i) i = 1, . . . , p
Connaissant ŶT +1 (k), k = 1, . . . , K, on peut répéter b) et c) pour T + 2, etc.

7.4.2 Fonction de prévision

La fonction de prévision décrit comment la prévision Ŷt (k) varie, pour t fixé, en fonction
de k.
D’après l’équation (6), on a :
p

Ŷt (k) − φi Ŷk−i = 0 ∀k > q
i=1

avec Ŷk−i = Yt+k−i si k ≤ i.

Il s’agit d’une équation de récurrence d’ordre p dont le polynôme caractéristique est :
 p  
−i 1
1− φi z = Φ =0
i=1
z
Avec les mêmes notations que dans la partie présentant les autocorrélations (pour les
racines zi = 1/λi ), on obtient :
p

Ŷt (k) = bi (t)λki
i=1

avec les valeurs de bi (t) déterminées par les conditions initiales, appelées dans ce contexte
valeurs pivotales, à savoir Ŷt (k), k = q, q − 1, . . . , q − p + 1.

Ainsi, la fonction de prévision d’un processus stationnaire tend vers 0 quand k → ∞

puisque les racines zi = 1/λi sont supérieures à 1 en module.

36
Exemple de l’AR(1) :
Yt = φYt−1 + εt

Ainsi,
Ŷt (1) = φYt
Ŷt (k) = φŶt (k − 1)
L’équation caractéristique est 1 − φz −1 = 0, on obtient z = φ et donc :

Ŷt (k) = b(t)φk

Dans ce cas, la valeur pivotale nous permettant de déterminer b(t) est Ŷt (0) = Yt . On
obtient alors b(t) = Yt et la fonction de prévision est alors :

Ŷt (k) = φk Yt

La prévision converge vers 0 (qui est la moyenne du processus).

Les fonctions de réponses aux chocs :

Le calcul de la fonction de prévision nous permet d’étudier l’effet d’un choc à une date
donnée sur l’évolution du processus Yt . On parle d’IRF (Impulse Response Function) : il
s’agit de la réponse de Yt à un choc à une date donnée.
Dans l’exemple de l’AR(1), supposons qu’avant la date t, le processus était à son état
stationnaire (ici 0) et qu’à la date t, on fait un choc de taille ε, soit Yt = ε. La réponse
de Yt à ce choc temporaire est alors donnée par la fonction de prévision :

Ŷt (k) = φk ε

En général, on calcule l’écart entre la réponse à un choc et la réponse sans choc afin
d’appréhender l’effet du choc. On définit alors la fonction de réponse au choc de la
manière suivante :
IRF (Yt ; ε) = φk ε − φk × 0 = φk ε

La valeur de φ est déterminante dans la plus ou moins forte persistance du choc sur le
processus Y .

37